מוצר חדש

שכפול קול ב-Amazon Polly: זמינות במתכונת שחרור מבוקר

יכולת שכפול קול המבוססת על המנוע היוצר של השירות, תומכת ב-7 שפות ומחייבת את הסכמת הדובר המוקלט

4 דקות קריאה
EN
שכפול קול ב-Amazon Polly: זמינות במתכונת שחרור מבוקר
מבוסס על כתבה שלAWS Machine Learning ↗תרגום וסיכום באמצעות מערכת חדשות בליווי AIאיך אנחנו עובדים

תקציר מנהלים

5 דברים שחשוב לדעת

  1. התכונה זמינה באופן כללי במתכונת שחרור מבוקר (gated release) לחשבונות AWS מאושרים.

  2. יצירת קול משוכפל דורשת 1 עד 10 הקלטות של דובר שהסכים לכך, באורך כולל של עד 15 דקות.

  3. השירות תומך ב-7 שפות: אנגלית, ספרדית, גרמנית, צרפתית, איטלקית, פורטוגזית והינדי, וכל קול פועל בשפת ההקלטה בלבד.

  4. Amazon Polly אינו שומר את הקלטות המקור לאחר יצירת הקול ואינו משתמש בהן לאימון מודלים.

  5. בניית הקול ניתנת ללא עלות, והתשלום מתבצע עבור שימוש בסינתזת הקול בשיטת pay-as-you-go.

לפי הודעה רשמית של AWS, שירות Amazon Polly השיק יכולת שכפול קול (voice cloning) שהפכה לזמינה באופן כללי במסגרת שחרור מבוקר (gated release). היכולת החדשה מאפשרת למשתמשים לספק ל-Amazon Polly מספר דקות של הקלטות שמע מדובר שהסכים שקולו ישוכפל, והשירות בונה קול משוכפל ייעודי המבוסס על קולו של אותו דובר. הקולות המשוכפלים פועלים על גבי המנוע היוצר (generative engine) של Amazon Polly, אשר לפי החברה מספק טבעיות ודיוק דומים לשאר הקולות היוצרים בשירות. ההשקה כוללת תמיכה בשבע שפות: אנגלית, ספרדית, גרמנית, צרפתית, איטלקית, פורטוגזית והינדי, כאשר כל קול משוכפל מדבר אך ורק בשפה שבה הוא הוקלט. הקולות מוצפנים באופן אוטומטי ומוגבלים בגישה כך שרק החשבון שיצר אותם מורשה לגשת אליהם.

מחזור החיים של שכפול קול בארבעה שלבים

לפי פירוט החברה, תהליך יצירת הקול המשוכפל עובר ארבעה שלבים מוגדרים:

  1. הקלטה (Record): המשתמש מקליט דובר יחיד. את ההקלטות ניתן לשלוח ישירות בבקשת ה-API מסוג CreateVoice, להעלות דרך ממשק הניהול (console), או לאחסן בדלי של Amazon Simple Storage Service (Amazon S3) באזור ה-AWS הרלוונטי ולהפנות את השירות אליהן.
  2. יצירה (Create): המשתמש קורא ל-API בשם CreateVoice עם 1 עד 10 הקלטות, ציון השפה שבה הן הוקלטו, והפרמטר TermsAccepted=True שמהווה אישור לכך שהתקבלה הסכמת הדובר. Amazon Polly מחזיר מזהה קול (המתחיל בקידומת vc-) באופן מיידי ובונה את הקול ברקע.
  3. המתנה (Wait): תהליך היצירה הוא אסינכרוני ונמשך בדרך כלל בין 5 ל-10 דקות. במהלך פרק זמן זה, השירות בודק גם את איכות קול ה-TTS מבחינת דמיון לדובר המקורי. המשתמש מפעיל קריאות GetVoice עד שסטטוס הקול משתנה מ-pending ל-active או ל-failed.
  4. שימוש (Use): המשתמש מעביר את מזהה הקול לקריאת SynthesizeSpeech עבור יצירת שמע בזמן אמת, או לקריאת StartSpeechSynthesisTask עבור שמע באורך מלא הנכתב ישירות ל-S3, תוך הגדרת הפרמטר Engine="generative", בדיוק כפי שמופעלים קולות יוצרים אחרים ב-Amazon Polly. כאשר אין עוד צורך בקול, מתבצעת קריאה ל-DeleteVoice.

הסכמת הדובר, אבטחת מידע ובקרת גישה

הקול המשוכפל מיוצר מהקלטותיו של אדם יחיד, ועל המשתמש לאשר כי קיבל את הסכמת הדובר לכל ההקלטות וכי הוא שולט בזהות המורשים להשתמש בקול ובמועד מחיקתו. אישור ההסכמה מתבצע עבור כל קול בנפרד, בקונסולה או באמצעות TermsAccepted=True ב-API, ובכך מאשר המשתמש כי השיג את כל הזכויות וההסכמות הנדרשות. השימוש כפוף לתנאי השירות של AWS, לתנאי ההודעה וההסכמה הביומטריים, למדיניות ה-AI האחראי של AWS ולמדיניות השימוש המקובל.

כל שמע סינתטי המופק באמצעות הקול המשוכפל כולל סימן מים (watermark) מובנה שנוסף על ידי השירות. הקול מוגבל אך ורק לחשבון ה-AWS שיצר אותו, ובקרת הגישה מנוהלת באמצעות AWS Identity and Access Management (IAM). בנוסף, משתמשים יכולים להצפין את הקולות באמצעות מפתח הצפנה סימטרי משלהם דרך AWS Key Management Service (AWS KMS) ולהוסיף להם תגיות זיהוי (tags).

בנוגע לשמירת נתונים, Amazon Polly אינו שומר עותק של הקלטות המקור לאחר יצירת הקול ואינו משתמש בהן לאימון מודלים של השירות. המערכת שומרת אך ורק את נתוני הקול הנחוצים לסינתזת דיבור, כשהם מוצפנים, עד לקריאת DeleteVoice שמוחקת את המידע באופן מיידי. במסגרת ההמלצות, החברה מציינת לתעד את הסכמת הדוברים, למחוק את הקול אם הדובר חוזר בו מהסכמתו, ליידע מאזינים שהם שומעים קול סינתטי במקומות המתאימים, ולהעניק הרשאות גישה אך ורק לאנשים ולמערכות שזקוקים להן.

שיטות מומלצות לביצוע ההקלטות

לפי ההסבר הטכני, הקול המשוכפל לומד מתוך ההקלטה ומחקה גם מאפיינים לא רצויים, כגון רעש מאוורר של מחשב נייד, הדהוד בחדר או סינון רעשים של תוכנות שיחה. לכן, AWS מפרטת מספר הנחיות:

  • משך ההקלטה: מומלץ להקליט בין 2 ל-10 דקות של דיבור טבעי, המחולק למקטעים (takes) של עד דקה אחת כל אחד. ניתן לשלוח עד 10 הקלטות לכל קול, ועד 15 דקות שמע בסך הכול. איכות ההקלטה חשובה יותר מאורכה, וכמות שמע נוספת אינה בהכרח משנה את אופן הצליל של הקול.
  • סביבת ההקלטה וציוד: דובר יחיד, חדר שקט ומרחק קבוע מהמיקרופון. מומלץ להשתמש במיקרופון USB או באפליקציית טלפון המקליטה בפורמט WAV. ההמלצה היא להקליט ב-WAV בפורמט מונו, 16-ביט וקצב דגימה של 24kHz (או 44.1/48kHz). השירות תומך גם בפורמטים נוספים.
  • הימנעות מסינון רעשים: יש להימנע משימוש ביישומי פגישות או מקליטים מבוססי דפדפן, משום שמנגנוני ביטול ההד ודיכוי הרעשים שלהם משנים את הקול, והמודל לומד שינויים אלה.
  • סגנון אחיד: יש להקליט כל מקטע בסגנון הרצוי לקול הסופי, שכן הקול המשוכפל נוטל את סגנונו מההקלטות ואינו יכול למזג סגנונות שונים (כגון מקטעים שמחים, עצובים וכועסים יחד).
  • שפת ההקלטה: יש להקליט בשפה שבה הקול אמור לדבר. השירות נבדק עם הקלטות באנגלית של ארה"ב, גרמנית, ספרדית של ארה"ב, צרפתית, איטלקית, פורטוגזית ברזילאית והינדי. הקלטות במבטאים אחרים, כגון אנגלית בריטית או צרפתית קנדית, עובדות אף הן אך נבדקו פחות.

תרחישי שימוש ויישומים שצוינו במאמר

החברה מציינת מספר תרחישים שבהם ניתן לשלב את הקולות המשוכפלים:

  • קול מותג עקבי בין ערוצים: שימוש בקול מוכר ואחיד במערכות ניתוב שיחות (IVR), בסוכני קול מדורגים (cascaded voice agents), באפליקציות מובייל, בהודעות בחנויות, בפרסומות ובמכשירים מחוברים, ללא צורך בהזמנת אולפן הקלטות מחדש בכל שינוי תסריט.
  • מוקדי שירות (Contact centers): אספקת קול מותג מובחן בערוצי שירות עצמי, ויצירת הודעות מותאמות מטקסט ללא הקלטות אולפן נוספות בעת שינוי מבצעים או נהלים.
  • מדיה ותוכן בהיקף רחב: הפקת ספרי שמע, קורסים, פודקאסטים, דמויות שאינן שחקנים במשחקים (NPC) וסרטוני וידאו באמצעות קולות מותאמים אישית.
  • לוקליזציה: שמירה על זהות קולית מוכרת בספריות תוכן, תוך יצירת קולות ייעודיים מאושרים עבור כל שפה נתמכת בנפרד.
  • נגישות והתאמה אישית: אספקת קול בעל צליל אנושי עבור כלי הקראה, עזרי נגישות ואינטראקציות מותאמות אישית.

שיקולי הפקה, ארכיטקטורה, מכסות וזמינות

מאחר שיצירת הקול אורכת מספר דקות, AWS מציינת כי יש להתייחס אליה כאל שלב הקצאה (provisioning) מקדים ולא כחלק מבקשת משתמש בזמן אמת. קריאות ה-API של CreateVoice ו-DeleteVoice חולקות מגבלה משותפת של בקשה אחת לשנייה, ולכן יצירה ומחיקה בכמויות גדולות דורשות תור (queue). קריאת DescribeVoices מציגה את הקולות המשוכפלים לצד הקולות המובנים, כאשר קולות משוכפלים מסומנים עם המאפיין Origin=customer.

מבחינת שגיאות ומכסות, חריגה ממגבלת הבקשות לשנייה תחזיר שגיאת ThrottlingException, וחריגה ממכסת הקולות לחשבון תחזיר ServiceQuotaExceededException. ניסיון לבצע סינתזה או מחיקה לקול שנמצא עדיין בתהליך יצירה יחזיר ConflictException. ברירת המחדל הראשונית של המכסה היא 10 קולות משוכפלים לחשבון בכל אזור AWS נתמך, וניתן לבקש הגדלה דרך תמיכת AWS. קול משוכפל קיים רק בחשבון ובאזור ה-AWS שבו הוא נוצר.

לפני עלייה לסביבת ייצור, החברה ממליצה לבדוק את הקול עם שמות מוצרים, מספרים, כתובות ומשפטים ארוכים. במידה ששם או מונח נהגה באופן שגוי, ניתן לשנות את איותו בטקסט או להשתמש בתג SSML מסוג , הנתמך בקולות משוכפלים באנגלית, צרפתית, איטלקית, גרמנית וספרדית. עבור הודעות קבועות מומלץ לחולל את השמע פעם אחת ולשרת את הקובץ השמור.

יצירת קול משוכפל ניתנת ללא עלות נוספת ללקוחות Amazon Polly, והחיוב מתבצע עבור השימוש בסינתזה על בסיס צריכה בפועל (pay-as-you-go). הגישה מאופשרת לפי חשבון AWS; לקוחות שאינם רואים את התכונה בקונסולה יכולים לפנות לצוות החשבון שלהם ב-AWS או להגיש בקשת גישה. אזורי ה-AWS הנתמכים תואמים לאזורי המנוע היוצר של השירות, וכוללים את צפון וירג'יניה, אורגון, פרנקפורט, ציריך, לונדון, סידני, סיאול, סינגפור, טוקיו, מרכז קנדה ואזור AWS GovCloud בארה"ב.

האם זה היה שימושי לעסק שלכם?

שאלות ותשובות

שאלות נפוצות

הכתבה הוכנה באמצעות מערכת בליווי בינה מלאכותית לתרגום, סיכום ובקרות איכות אוטומטיות מתוך פרסום מקורי של AWS Machine Learning. קראו על תהליך העריכה שלנו. קישור למקור המקורי.

קבלו עדכוני AI שימושיים למייל

תקציר ממוקד ממערכת החדשות שלנו.

עוד מ־AWS Machine Learning

כל הכתבות מ־AWS Machine Learning
תמיכה ב-Private CA ב-Amazon Bedrock AgentCore Identity
מדריך
5 דקות
מ־AWS Machine Learning

תמיכה ב-Private CA ב-Amazon Bedrock AgentCore Identity

בפוסט שפורסם בבלוג של AWS, הוכרזה תמיכה בתעודות רשות אישורים פרטית (Private CA) במסגרת AgentCore Identity, יכולת של Amazon Bedrock AgentCore. יכולת זו מאפשרת לסוכני בינה מלאכותית להתחבר לספקי זהות פרטיים כמו Keycloak המאוחסנים ברשת פנימית, תוך מתן אמון ב-CA הארגוני. התעודה בפורמט PEM נשמרת ב-Secrets Manager או ב-S3 ומאומתת מול נקודות הקצה של ה-IdP דרך Amazon VPC Lattice. הפוסט מפרט את אופן ההגדרה, שלבי הניטור ב-CloudWatch ותהליך ביצוע רוטציה ללא השבתה.

קרא עוד
ניהול עלויות מקצה לקצה ב-Amazon Bedrock: מדריך לצוותי FinOps
מדריך
5 דקות
מ־AWS Machine Learning

ניהול עלויות מקצה לקצה ב-Amazon Bedrock: מדריך לצוותי FinOps

בפוסט של מומחי AWS מוצג מודל תפעולי בן חמישה שלבים לניהול עלויות ב-Amazon Bedrock, המיועד לצוותי FinOps והנדסת פלטפורמה. המודל מתמקד בעומסי עבודה של סוכני בינה מלאכותית (agentic workloads), שבהם צריכת הטוקנים מושפעת מרמת האוטונומיה וגודל ההקשר. חמשת השלבים כוללים: שיוך עלויות לכל ישות וצוות באמצעות תגי IAM ודוחות CUR 2.0; יצירת יכולת תצפית ובקרה באמצעות רישום יומני הסקה ב-CloudWatch וב-S3 לצד מטא-דאטה מובנית; אכיפת תקציבים בשלוש רמות (התראות, שלילת הרשאות ב-IAM או חסימה סינכרונית בשער); מיטוב ברירות מחדל באמצעות שמירה במטמון (prompt caching) וניתוב מודלים חכם; והפעלת סקירת ביצועים משותפת מבוססת מדדים ברורים.

קרא עוד
אימון סוכנים ב-Multi-Turn Reinforcement Learning ב-SageMaker AI
מדריך
5 דקות
מ־AWS Machine Learning

אימון סוכנים ב-Multi-Turn Reinforcement Learning ב-SageMaker AI

מדריך טכני של מהנדסי AWS מציג את השימוש ב-Multi-Turn Reinforcement Learning (MTRL) על גבי Amazon SageMaker AI לאימון סוכני בינה מלאכותית על רצפי פעולות מרובי שלבים. באמצעות הדגמה על משחק Wordle, המאמר מפרט כיצד אימון מודל GPT-OSS-20B בעזרת סביבת Amazon Bedrock AgentCore ואלגוריתם GRPO העלה את שיעור הפתרון מ-61% ל-84% בהגדרות הגשה, בעלות של כ-339 דולר בטוקנים. המדריך כולל פירוט על ארכיטקטורת המערכת, הכנת מערך הנתונים ללא תוויות, נוסחת פונקציית התגמול המפרידה בין תוצאה לעיצוב התנהגות, והתמודדות עם תקלות תשתית ואימות במהלך האימון.

קרא עוד
תשלום לפי קריאה עבור סוכני AI: שילוב AgentCore payments ב-AWS
מוצר חדש
4 דקות
מ־AWS Machine Learning

תשלום לפי קריאה עבור סוכני AI: שילוב AgentCore payments ב-AWS

בפוסט שפרסמו מהנדסי AWS הוצגה היכולת המנוהלת AgentCore payments ב-Amazon Bedrock, המאפשרת לסוכני בינה מלאכותית לשלם לפי דרישה עבור שירותים דוגמת הסקת מודלים. השירות מנהל ארנקים, מטפל בפרוטוקול התשלום x402 ואוכף מגבלות הוצאה ברמת התשתית במקום ברמת המודל. הפוסט מפרט כיצד חברת Incarna שילבה את המערכת כדי לאפשר לסוכנים לשלם לנתב ההסקה BlockRun עבור כל קריאה בנפרד ברשת Base ב-USDC. האינטגרציה הושלמה בשלושה ימים ובכ-200 שורות קוד, ובשלב הבטא עובדו מעל 1,000 תשלומים בסכומים של 0.001 עד 0.05 דולר לקריאה. היכולת זמינה כעת באופן כללי.

קרא עוד

עוד כתבות שיעניינו אותך

לכל הכתבות
חברת NiCE השיקה את הדור הבא של פלטפורמת Cognigy
מוצר חדש
4 דקות
מ־SiliconANGLE AI

חברת NiCE השיקה את הדור הבא של פלטפורמת Cognigy

לפי טור של האנליסט זאוס קרוואלה ב-SiliconANGLE, חברת .NiCE Ltd השיקה את הדור הבא של פלטפורמת NiCE Cognigy. העדכון כולל סביבת פיתוח מחודשת, כלי ליווי בשם AI Assist, מעקב מפורט אחר שלבי שיחה, ובדיקות מרובות משתנים מבוססות סימולציה. הפלטפורמה משלבת תמיכה במודלי קול-אל-קול, לצד חיבור לפרוטוקול MCP ושיתוף פעולה לפיתוח Personal Agent Protocol יחד עם Meta ו-Sierra. הגרסה מתמקדת במודל עבודה היברידי, המאפשר לארגונים לשלב תהליכים דטרמיניסטיים קיימים יחד עם סוכנים אוטונומיים תוך שמירה על ניטור ובקרה.

קרא עוד
גוגל הכריזה על Gemini 4 Hydrogen לקידוד ותהליכי סוכנים
מוצר חדש
4 דקות
מ־DeepMind

גוגל הכריזה על Gemini 4 Hydrogen לקידוד ותהליכי סוכנים

Google DeepMind הכריזה על השקת Gemini 4 Hydrogen, מודל המיועד לביצועים מהירים ויעילים בתהליכי קידוד ועבודת סוכנים יומיומית. המודל מתומחר ב-1.50 דולר למיליון טוקני קלט ו-7.50 דולר למיליון טוקני פלט לחלון הקשר של מיליון טוקנים. לצד פעילותו כמודל עצמאי, הוא משתלב עם מודלי החזית Carbon ו-Argon באמצעות Orchestrator ב-Google Antigravity, המאפשר חיסכון ממוצע של 24% במכסה והשלמת משימות מהירה ב-19% במבחן Terminal-Bench 4.0. בנוסף, המודל מציע ארבע רמות חשיבה, מציג שיפורי מהירות ובטיחות, וזמין למפתחים, ארגונים ומשתמשי קצה.

קרא עוד
סיילספורס השיקה את AI Skills ב-Agentforce Coworker
מוצר חדש
4 דקות
מ־Salesforce Blog

סיילספורס השיקה את AI Skills ב-Agentforce Coworker

סיילספורס הודיעה על זמינות כללית של AI Skills בתוך Agentforce Coworker. מיומנויות אלו מאפשרות למשתמשים להגדיר בשפה פשוטה סט הוראות לשימוש חוזר עבור משימות שחוזרות על עצמן, כך שהסוכן יוכל לבצע אותן בעקביות. Coworker, המתאם בין סוכני Agentforce ב-Salesforce, ב-Microsoft Teams ובמובייל, הוא הסוכן הראשון שכולל יכולת זו. בניגוד לתבניות הנחיה המפיקות פלטי טקסט בלבד, מיומנות מתארת משימה שלמה ומאפשרת לסוכן לנקוט פעולות על פי הרשאות המשתמש ולאחר קבלת אישור לעדכון רשומות.

קרא עוד
LinearB מציגה את Agentic Studio כדי להאיץ אספקת תוכנה בעזרת הקשר
מוצר חדש
4 דקות
מ־SiliconANGLE AI

LinearB מציגה את Agentic Studio כדי להאיץ אספקת תוכנה בעזרת הקשר

חברת LinearB Inc. הכריזה על השקת Agentic Studio, כלי שנועד להקל על העומסים בצינורות אספקת התוכנה שנוצרו בעקבות השימוש הגובר בכלי בינה מלאכותית לכתיבת קוד. לפי דוח מדדי התוכנה של החברה, ארגונים המסתמכים על כלי קידוד מבוססי AI כמעט הכפילו את כמות שינויי הקוד שמוזגו, אך בקשות המשיכה הללו גדולות בשיעור של כמעט פי 2.6 וממתינות פי חמישה יותר לסקירה. הפלטפורמה החדשה מאחדת נתונים ותובנות ממאגרי Git ומכלי מעקב לכדי שכבת הקשר אחידה, המאפשרת למהנדסים לקבל המלצות ולתשאל את המערכת בשפה פשוטה. בנוסף, באמצעות אינטגרציה דרך Model Context Protocol, המערכת מזינה סוכני קידוד אוטונומיים בהקשר היסטורי כדי למנוע שינויים עיוורים בקוד.

קרא עוד